在產(chǎn)前診斷中,醫(yī)學(xué)超聲影像技術(shù)由于其無創(chuàng)性、實時性和廉價性,成為產(chǎn)前檢查的首選方式。胎兒解剖結(jié)構(gòu)的生物參數(shù)測量是產(chǎn)前診斷中的重要內(nèi)容。而目前的生物參數(shù)測量主要通過醫(yī)生手動測量來完成,這可能導(dǎo)致以下問題:測量結(jié)果的精確度高度依賴于臨床醫(yī)生的經(jīng)驗,可能存在較大的差異;精確測量過程耗時較長,不僅增加超聲檢查時間,而且導(dǎo)致醫(yī)生的工作效率較低;對醫(yī)生造成重復(fù)壓力傷害。因此,本論文提出對胎兒超聲生物參數(shù)自動測量的方法,旨在降低對醫(yī)生經(jīng)驗的依賴,提高診斷效率。本論文首先對國內(nèi)外已有超聲圖像中胎兒股骨測量方法進(jìn)行了歸納和總結(jié),將測量方法劃分為圖像處理方法、傳統(tǒng)機(jī)器學(xué)習(xí)方法以及深度學(xué)習(xí)方法。由于圖像處理方法對數(shù)據(jù)量無要求,易于實現(xiàn)等原因,我們提出基于Frangi濾波器的股骨自動測量方法,但由于圖像處理方法受超聲圖像質(zhì)量影響較大,容易受超聲圖像中噪聲、聲影的影響,且存在邊界易丟失等問題,造成測量結(jié)果普遍偏小。為此,我們提出使用傳統(tǒng)機(jī)器學(xué)習(xí)方法,通過直接定位股骨的端點,避免圖像處理方法中因為邊界模糊帶來的誤差。在傳統(tǒng)機(jī)器學(xué)習(xí)方法中,我們提出基于隨機(jī)森林回歸模型的股骨自動測量方法,但傳統(tǒng)機(jī)器學(xué)習(xí)方法需要手動設(shè)... 

【文章來源】：深圳大學(xué)廣東省

【文章頁數(shù)】：56 頁

【學(xué)位級別】：碩士

【部分圖文】：

胎兒股骨超聲圖像

5圖 1.2 本研究面臨的挑戰(zhàn)（2）傳統(tǒng)機(jī)器學(xué)習(xí)方法。直接定位股骨的端點，可以避免圖像處理方法中因為股骨邊界模糊帶來的誤差。此方法中，我們將使用集成學(xué)習(xí)算法中最流行的隨機(jī)森林（RandomForests）方法[8]。我們通過一個兩階段的框架來實現(xiàn)該方法。兩個階段均使用隨機(jī)森林回歸模型進(jìn)行訓(xùn)練，唯一不同的是，在第二階段訓(xùn)練時,我們將加入自動上下文特征（Auto-Context）[29]對一階段的結(jié)果進(jìn)行優(yōu)化。通過上述方法可以直接得到股骨端點的預(yù)測距離圖，并通過均值飄移（Mean Shift）等

端點并對股骨長進(jìn)行測量。2.1 框架介紹由于圖像處理方法對數(shù)據(jù)量無要求，易于實現(xiàn)等原因，我們提出基于 Frangi濾波器的股骨自動測量方法。圖 2.1 為本方法的研究框架。首先，設(shè)計一個圖像截取模板，該模板用于去除原始超聲圖像中自帶的設(shè)備信息等無關(guān)項，批量自動框選出股骨所在的圖像區(qū)域，見圖 2.1（a）和 2.1（b）。接著，使用 Frangi 濾波器對框選出的區(qū)域進(jìn)行去噪，并對濾波后的結(jié)果進(jìn)行處理，得到股骨候選區(qū)域的分割圖像，見圖 2.1（c）。然后，對股骨候選區(qū)域進(jìn)行處理，利用股骨外接矩形的長寬比率以及股骨位置信息，得到正確股骨區(qū)域的篩選結(jié)果[30]，如圖 2.1（d）和 2.1（e）。最后，對股骨進(jìn)行骨架化處理，得到股骨的中心線，利用股骨中心線和股骨輪廓的交點，定位出股骨端點的位置并計算股骨長度，如圖 2.1（f）和2.1（g）。上述框架的技術(shù)細(xì)節(jié)我們將在以下小節(jié)中進(jìn)行闡述。

【參考文獻(xiàn)】：
期刊論文
[1]基于多任務(wù)深度卷積神經(jīng)網(wǎng)絡(luò)的顯著性對象檢測算法[J]. 楊帆,李建平,李鑫,陳雷霆.  計算機(jī)應(yīng)用. 2018(01)
[2]超聲圖像中胎兒股骨的自動測量[J]. 羅娜,李璟,周成禮,鄭介志,倪東.  深圳大學(xué)學(xué)報(理工版). 2017(04)
[3]動態(tài)高斯變異和隨機(jī)變異融合的自適應(yīng)細(xì)菌覓食優(yōu)化算法[J]. 張新明,尹欣欣,馮夢清.  計算機(jī)科學(xué). 2015(06)
[4]超聲圖像中胎兒頭圍的自動測量[J]. 李璟,倪東,李勝利,韓笑,尹曉浪,汪天富,陳思平.  深圳大學(xué)學(xué)報(理工版). 2014(05)
[5]基于血管增強(qiáng)分割的三維肺結(jié)節(jié)自動檢測[J]. 潘爍,張煜,王凱,高紹英,曹蕾.  計算機(jī)應(yīng)用與軟件. 2014(05)
[6]產(chǎn)前超聲檢查對胎兒畸形的診斷價值[J]. 李威,賈淑文,呂祥.  中國婦幼保健. 2013(08)
[7]基于曲光線跟蹤算法的超聲成像實時模擬研究[J]. 倪東,陳思平,汪天富.  深圳大學(xué)學(xué)報(理工版). 2012(04)
[8]歐姆龍生物電阻抗法與雙能X線吸收法測量成年人體脂率的比較[J]. 武寶愛,王人衛(wèi),畢玉萍.  上海體育學(xué)院學(xué)報. 2012(01)
[9]超聲測量評估胎兒主要生長參數(shù)的研究[J]. 萬儀芳,沈國芳,朱家安.  上海醫(yī)學(xué). 2010(12)
[10]基于SIFT特征的Mean Shift目標(biāo)標(biāo)定算法[J]. 吳晶,趙銳,梅林.  計算機(jī)與現(xiàn)代化. 2010(12)

碩士論文
[1]隨機(jī)森林和卷積神經(jīng)網(wǎng)絡(luò)在神經(jīng)細(xì)胞圖像分割中的應(yīng)用研究[D]. 曹貴寶.山東大學(xué) 2014



本文編號：3109436